摘要：目的探讨基于深度学习(DL)的肺结节检测算法对不同大小肺结节的检出效果。方法回顾性分析344例肺结节患者的胸部CT图片,计算并比较基于DL的肺结节检出模型对不同大小肺结节的检出率(相对于医师诊断结果),分析模型检出假阳性结节的类别。结果344份CT图像中,医师共诊断710个0~30 mm肺结节。模型共检出2495个候选肺结节,其中真阳性675个(相对于医师诊断结果),模型对结节的检出率为95.07%(675/710)。模型对0~4 mm肺结节的检出率为82.80%(77/93),0~5 mm结节为90.15%(238/264),0~6 mm结节为92.94%(395/425),5~10 mm结节为97.94%(381/389),10~20 mm结节为98.21%(55/56),20~30 mm结节为100%(1/1),模型对不同大小肺结节的检出率差异无统计学意义(χ^2=21.72,P>0.05)。模型检出假阳性结节中,50.38%(917/1820)为医师最初诊断漏诊者,32.53%(592/1820)为血管断面。结论DL肺结节检出模型对肺结节的整体检出率较高(95.07%),且不受结节大小的影响。